MétaCan
Menu
Retour à la cohorte
Enregistrement W4362653285 · doi:10.1109/ojia.2023.3264651

A Stochastic Approach to Integrating Electrical Thermal Storage in Distributed Demand Response for Nordic Communities With Wind Power Generation

2023· article· en· W4362653285 sur OpenAlexfundno aff
J.A. Domínguez-Jiménez, Nilson Henao, Kodjo Agbossou, Alejandro Parrado-Duque, Javier Campillo, Shaival H. Nagarsheth

Notice bibliographique

RevueIEEE Open Journal of Industry Applications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDemand responseFlexibility (engineering)Distributed generationComputer scienceThermal energy storageWind powerPeak demandGridEnergy storageRenewable energyDistributed data storeSmart gridDistributed computingPower (physics)EngineeringElectrical engineeringElectricityEconomics

Résumé

récupéré en direct d'OpenAlex

Demand response and distributed energy storage play a crucial role in improving the efficiency and reliability of electric grids. This paper describes a strategy for optimally integrating distributed energy storage units within a forward market to address space heating demand under a Stackelberg game in isolated microgrids. The proposed strategy performs distributed management in an offline fashion through proximal decomposition methods. It leverages stochastic programming to consider user flexibility degree and wind power generation uncertainties. Also, flexibility for demand response is realized through electric thermal storage (ETS). The performance of the proposed strategy is evaluated via simulation studies carried out through a case study in Kuujjuaq. Ten residential agents compose the demand side, each with flexibility levels and economic preferences. Economic benefits are evaluated on both sides across different ETS acceptance levels. The simulation results demonstrate significant benefits for the coordinator and customers. The proposed strategy reveals that ETS, in the presence of dynamic tariffs, reduces diesel consumption, maximizes renewable production and reduces grid stress.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,275
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of Industry ApplicationsMême sujetSmart Grid Energy ManagementTravaux en français237 207